获奖论文
2017,
43(9):
1555-1562. doi: 10.16383/j.aas.2017.c160661
摘要:
根据医疗行业现状，不难发现各医疗机构间共享数据困难，因为医疗数据的校验、保存和同步一直是一个难点.病人、医生以及研究人员在访问和共享医疗数据时存在严格的限制，这一过程需要花费大量的资源和时间用于权限审查和数据校验.本文提出一个基于区块链的医疗数据共享模型，具有去中心化、安全可信、集体维护、不可篡改等特点，适用于解决各医疗机构数据共享的难题.本文详细介绍了模型的组件以及实现原理.将现有医疗机构进行分类，配合使用改进的共识机制实现了方便、安全、快捷的数据共享.此外，通过对比医疗数据共享存在的问题，分析了本模型的优势以及带来的影响.
根据医疗行业现状，不难发现各医疗机构间共享数据困难，因为医疗数据的校验、保存和同步一直是一个难点.病人、医生以及研究人员在访问和共享医疗数据时存在严格的限制，这一过程需要花费大量的资源和时间用于权限审查和数据校验.本文提出一个基于区块链的医疗数据共享模型，具有去中心化、安全可信、集体维护、不可篡改等特点，适用于解决各医疗机构数据共享的难题.本文详细介绍了模型的组件以及实现原理.将现有医疗机构进行分类，配合使用改进的共识机制实现了方便、安全、快捷的数据共享.此外，通过对比医疗数据共享存在的问题，分析了本模型的优势以及带来的影响.
2018,
44(1):
176-182. doi: 10.16383/j.aas.2018.c160835
摘要:
为避免人为因素对表情特征提取产生的影响，本文选择卷积神经网络进行人脸表情识别的研究.相较于传统的表情识别方法需要进行复杂的人工特征提取，卷积神经网络可以省略人为提取特征的过程.经典的LeNet-5卷积神经网络在手写数字库上取得了很好的识别效果，但在表情识别中识别率不高.本文提出了一种改进的LeNet-5卷积神经网络来进行面部表情识别，将网络结构中提取的低层次特征与高层次特征相结合构造分类器，该方法在JAFFE表情公开库和CK+数据库上取得了较好的结果.
为避免人为因素对表情特征提取产生的影响，本文选择卷积神经网络进行人脸表情识别的研究.相较于传统的表情识别方法需要进行复杂的人工特征提取，卷积神经网络可以省略人为提取特征的过程.经典的LeNet-5卷积神经网络在手写数字库上取得了很好的识别效果，但在表情识别中识别率不高.本文提出了一种改进的LeNet-5卷积神经网络来进行面部表情识别，将网络结构中提取的低层次特征与高层次特征相结合构造分类器，该方法在JAFFE表情公开库和CK+数据库上取得了较好的结果.
2017,
43(2):
313-320. doi: 10.16383/j.aas.2017.c150811
摘要:
为了快速跟踪动态多目标优化问题变化的Pareto前沿，本文提出一种基于参考点预测策略的动态多目标优化算法（PDMOP）.该算法对关联到相同参考点的个体建立时间序列，并对这些时间序列通过线性回归模型预测新环境下种群.同时，将历史时刻的预测误差反馈到当前预测中来提高预测的准确性，并在每个预测的个体上加入扰动来增加初始种群多样性，从而能够加快算法在新环境下的收敛速度.通过4个标准测试函数对该算法测试，并和两个现有算法对比分析，结果表明所提算法在处理动态多目标优化问题时能够保持良好的性能.
为了快速跟踪动态多目标优化问题变化的Pareto前沿，本文提出一种基于参考点预测策略的动态多目标优化算法（PDMOP）.该算法对关联到相同参考点的个体建立时间序列，并对这些时间序列通过线性回归模型预测新环境下种群.同时，将历史时刻的预测误差反馈到当前预测中来提高预测的准确性，并在每个预测的个体上加入扰动来增加初始种群多样性，从而能够加快算法在新环境下的收敛速度.通过4个标准测试函数对该算法测试，并和两个现有算法对比分析，结果表明所提算法在处理动态多目标优化问题时能够保持良好的性能.
2018,
44(5):
855-864. doi: 10.16383/j.aas.2018.c170470
摘要:
生成对抗网络（Generative adversarial networks，GAN）是目前热门的生成式模型.深度卷积生成对抗网络（Deep convolutional GAN，DCGAN）在传统生成对抗网络的基础上，引入卷积神经网络（Convolutional neural networks，CNN）进行无监督训练；条件生成对抗网络（Conditional GAN，CGAN）在GAN的基础上加上条件扩展为条件模型.结合深度卷积生成对抗网络和条件生成对抗网络的优点，建立条件深度卷积生成对抗网络模型（Conditional-DCGAN，C-DCGAN），利用卷积神经网络强大的特征提取能力，在此基础上加以条件辅助生成样本，将此结构再进行优化改进并用于图像识别中，实验结果表明，该方法能有效提高图像的识别准确率.
生成对抗网络（Generative adversarial networks，GAN）是目前热门的生成式模型.深度卷积生成对抗网络（Deep convolutional GAN，DCGAN）在传统生成对抗网络的基础上，引入卷积神经网络（Convolutional neural networks，CNN）进行无监督训练；条件生成对抗网络（Conditional GAN，CGAN）在GAN的基础上加上条件扩展为条件模型.结合深度卷积生成对抗网络和条件生成对抗网络的优点，建立条件深度卷积生成对抗网络模型（Conditional-DCGAN，C-DCGAN），利用卷积神经网络强大的特征提取能力，在此基础上加以条件辅助生成样本，将此结构再进行优化改进并用于图像识别中，实验结果表明，该方法能有效提高图像的识别准确率.
2021,
47(11):
2538-2546. doi: 10.16383/j.aas.c210098
摘要:
城市污水处理过程优化控制是降低能耗的有效手段, 然而, 如何提高出水水质的同时降低能耗依然是当前城市污水处理过程面临的挑战. 围绕上述挑战, 文中提出了一种数据和知识驱动的多目标优化控制(Data-knowledge driven multiobjective optimal control, DK-MOC)方法. 首先, 建立了出水水质、能耗以及系统运行状态的表达关系, 获得了运行过程优化目标模型. 其次, 提出了一种基于知识迁徙学习的动态多目标粒子群优化算法, 实现了控制变量优化设定值的自适应求解. 最后, 将提出的DK-MOC应用于城市污水处理过程基准仿真模型1 (Benchmark simulation model No. 1, BSM1). 结果表明该方法能够实时获取控制变量的优化设定值, 提高了出水水质, 并且有效降低了运行能耗.
城市污水处理过程优化控制是降低能耗的有效手段, 然而, 如何提高出水水质的同时降低能耗依然是当前城市污水处理过程面临的挑战. 围绕上述挑战, 文中提出了一种数据和知识驱动的多目标优化控制(Data-knowledge driven multiobjective optimal control, DK-MOC)方法. 首先, 建立了出水水质、能耗以及系统运行状态的表达关系, 获得了运行过程优化目标模型. 其次, 提出了一种基于知识迁徙学习的动态多目标粒子群优化算法, 实现了控制变量优化设定值的自适应求解. 最后, 将提出的DK-MOC应用于城市污水处理过程基准仿真模型1 (Benchmark simulation model No. 1, BSM1). 结果表明该方法能够实时获取控制变量的优化设定值, 提高了出水水质, 并且有效降低了运行能耗.
2017,
43(1):
1-8. doi: 10.16383/j.aas.2017.y000001
摘要:
本文提出了一种新的机器学习理论框架.该框架结合了现有多种机器学习理论框架的优点，并针对如何使用软件定义的人工系统从大数据提取有效数据，如何结合预测学习和集成学习，以及如何利用默顿定律进行指示学习等目前机器学习领域面临的重要问题进行了特别设计.
本文提出了一种新的机器学习理论框架.该框架结合了现有多种机器学习理论框架的优点，并针对如何使用软件定义的人工系统从大数据提取有效数据，如何结合预测学习和集成学习，以及如何利用默顿定律进行指示学习等目前机器学习领域面临的重要问题进行了特别设计.
2018,
44(5):
901-914. doi: 10.16383/j.aas.2018.c170487
摘要:
自能源（We-energy，WE）作为能源互联网的子单元旨在实现能量间的双向传输及灵活转换.由于自能源在不同工况下运行特性存在很大差异，现有方法还不能对其参数精确地辨识.为了解决上述问题，本文根据自能源网络结构提出了一种基于GAN技术的数据——机理混合驱动方法对自能源模型参数辨识.将GAN（Generative adversarial networks）模型中训练数据与专家经验结合进行模糊分类，解决了自能源在不同运行工况下的模型切换问题.通过应用含策略梯度反馈的改进GAN技术对模型进行训练，解决了自能源中输出序列离散的问题.仿真结果表明，提出的模型具有较高的辨识精度和更好的推广性，能有效地拟合系统不同工况下各节点的状态变化.
自能源（We-energy，WE）作为能源互联网的子单元旨在实现能量间的双向传输及灵活转换.由于自能源在不同工况下运行特性存在很大差异，现有方法还不能对其参数精确地辨识.为了解决上述问题，本文根据自能源网络结构提出了一种基于GAN技术的数据——机理混合驱动方法对自能源模型参数辨识.将GAN（Generative adversarial networks）模型中训练数据与专家经验结合进行模糊分类，解决了自能源在不同运行工况下的模型切换问题.通过应用含策略梯度反馈的改进GAN技术对模型进行训练，解决了自能源中输出序列离散的问题.仿真结果表明，提出的模型具有较高的辨识精度和更好的推广性，能有效地拟合系统不同工况下各节点的状态变化.
2015,
41(10):
1798-1813. doi: 10.16383/j.aas.2015.c150062
摘要:
面对广泛存在的混合属性数据,现有大部分混合属性聚类算法普遍存在聚类 质量低、聚类算法参数依赖性大、聚类类别个数和聚类中心无法准确自动确定等问题,针对 这些问题本文提出了一种基于密度的聚类中心自动确定的混合属性数据 聚类算法.该算法通过分析混合属性数据特征,将混合属性数据分为数 值占优、分类占优和均衡型混合属性数据三类,分析不同情况的特征选取 相应的距离度量方式.在计算数据集各个点的密度和距离分布图基础 上,深入分析获得规律: 高密度且与比它更高密度的数据点有较大距离的数 据点最可能成为聚类中心,通过线性回归模型和残差分析确定奇异 点,理论论证这些奇异点即为聚类中心,从而实现了自动确定聚类中心.采 用粒子群算法(Particle swarm optimization, PSO)寻找最优dc值,通过参数dc能够计算得到 任意数据对象的密度和到比它密度更高的点的最小距离,根据聚类 中心自动确定方法确定每个簇中心,并将其他点按到最近邻的更高 密度对象的最小距离划分到相应的簇中,从而实现聚类.最终将本文 提出算法与其他现有的多种混合属性聚类算法在多个数据集上进行 算法性能比较,验证本文提出算法具有较高的聚类质量.
面对广泛存在的混合属性数据,现有大部分混合属性聚类算法普遍存在聚类 质量低、聚类算法参数依赖性大、聚类类别个数和聚类中心无法准确自动确定等问题,针对 这些问题本文提出了一种基于密度的聚类中心自动确定的混合属性数据 聚类算法.该算法通过分析混合属性数据特征,将混合属性数据分为数 值占优、分类占优和均衡型混合属性数据三类,分析不同情况的特征选取 相应的距离度量方式.在计算数据集各个点的密度和距离分布图基础 上,深入分析获得规律: 高密度且与比它更高密度的数据点有较大距离的数 据点最可能成为聚类中心,通过线性回归模型和残差分析确定奇异 点,理论论证这些奇异点即为聚类中心,从而实现了自动确定聚类中心.采 用粒子群算法(Particle swarm optimization, PSO)寻找最优dc值,通过参数dc能够计算得到 任意数据对象的密度和到比它密度更高的点的最小距离,根据聚类 中心自动确定方法确定每个簇中心,并将其他点按到最近邻的更高 密度对象的最小距离划分到相应的簇中,从而实现聚类.最终将本文 提出算法与其他现有的多种混合属性聚类算法在多个数据集上进行 算法性能比较,验证本文提出算法具有较高的聚类质量.
2015,
41(2):
261-272. doi: 10.16383/j.aas.2015.c140210
摘要:
针对压缩感知(Compressed sensing, CS)图像恢复问题, 提出了一种基于非局部相似模型的压缩感知恢复算法, 该算法将传统意义上二维图像块的稀疏性扩展到相似图像块组在三维空间上的稀疏性, 在提高图像表示稀疏度的同时进一步提高了压缩感知图像恢复效率, 恢复图像在纹理和结构保持方面都得到了很大的提升. 在该算法模型求解过程中, 使用增广拉格朗日方法将受限优化问题转换为非受限优化问题, 为减少计算复杂度, 还使用了基于泰勒展开的线性化技术来加速算法求解. 实验结果表明, 该算法的图像恢复性能优于目前主流的压缩感知图像恢复算法.
针对压缩感知(Compressed sensing, CS)图像恢复问题, 提出了一种基于非局部相似模型的压缩感知恢复算法, 该算法将传统意义上二维图像块的稀疏性扩展到相似图像块组在三维空间上的稀疏性, 在提高图像表示稀疏度的同时进一步提高了压缩感知图像恢复效率, 恢复图像在纹理和结构保持方面都得到了很大的提升. 在该算法模型求解过程中, 使用增广拉格朗日方法将受限优化问题转换为非受限优化问题, 为减少计算复杂度, 还使用了基于泰勒展开的线性化技术来加速算法求解. 实验结果表明, 该算法的图像恢复性能优于目前主流的压缩感知图像恢复算法.
2013,
39(11):
1744-1757. doi: 10.3724/SP.J.1004.2013.01744
摘要:
过程控制不仅使被控对象的输出尽可能好地跟踪控制器设定值, 而且要对整个工业装置的运行进行控制, 使反映产品在该装置加工过程中质量、效率与消耗等指标, 即运行指标在目标值范围内, 尽可能提高质量与效率指标, 尽可能降低消耗指标, 即实现工业过程运行优化控制. 本文在综述了已有的运行优化与控制方法的基础上, 重点介绍了复杂工业过程的数据驱动的混合智能运行优化控制和运行控制半实物仿真系统, 并以赤铁矿磨矿过程为应用研究案例, 仿真实验和工业应用结果表明所提方法的有效性, 并指出了复杂工业过程运行优化控制研究需要关注的问题.
过程控制不仅使被控对象的输出尽可能好地跟踪控制器设定值, 而且要对整个工业装置的运行进行控制, 使反映产品在该装置加工过程中质量、效率与消耗等指标, 即运行指标在目标值范围内, 尽可能提高质量与效率指标, 尽可能降低消耗指标, 即实现工业过程运行优化控制. 本文在综述了已有的运行优化与控制方法的基础上, 重点介绍了复杂工业过程的数据驱动的混合智能运行优化控制和运行控制半实物仿真系统, 并以赤铁矿磨矿过程为应用研究案例, 仿真实验和工业应用结果表明所提方法的有效性, 并指出了复杂工业过程运行优化控制研究需要关注的问题.
2002,
28(3):
321-348.
摘要:
论述了作者提出并实现的全过程计算机辅助动画自动生成技术,即从用自然语言书写 的故事开始,直至最终生成动画,每一步都是在计算机辅助下完成的,这是一种新的基于人工智 能的动画生成技术.文中还分别从自然语言理解、故事理解、动画设计和生成、规划、动画知识 库、常识处理几个方面对该技术进行阐述.
论述了作者提出并实现的全过程计算机辅助动画自动生成技术,即从用自然语言书写 的故事开始,直至最终生成动画,每一步都是在计算机辅助下完成的,这是一种新的基于人工智 能的动画生成技术.文中还分别从自然语言理解、故事理解、动画设计和生成、规划、动画知识 库、常识处理几个方面对该技术进行阐述.
2020,
46(7):
1301-1312. doi: 10.16383/j.aas.c200159
摘要:
强化学习作为一种用于解决无模型序列决策问题的方法已经有数十年的历史, 但强化学习方法在处理高维变量问题时常常会面临巨大挑战. 近年来, 深度学习迅猛发展, 使得强化学习方法为复杂高维的多智能体系统提供优化的决策策略、在充满挑战的环境中高效执行目标任务成为可能. 本文综述了强化学习和深度强化学习方法的原理, 提出学习系统的闭环控制框架, 分析了多智能体深度强化学习中存在的若干重要问题和解决方法, 包括多智能体强化学习的算法结构、环境非静态和部分可观性等问题, 对所调查方法的优缺点和相关应用进行分析和讨论. 最后提供多智能体深度强化学习未来的研究方向, 为开发更强大、更易应用的多智能体强化学习控制系统提供一些思路.
强化学习作为一种用于解决无模型序列决策问题的方法已经有数十年的历史, 但强化学习方法在处理高维变量问题时常常会面临巨大挑战. 近年来, 深度学习迅猛发展, 使得强化学习方法为复杂高维的多智能体系统提供优化的决策策略、在充满挑战的环境中高效执行目标任务成为可能. 本文综述了强化学习和深度强化学习方法的原理, 提出学习系统的闭环控制框架, 分析了多智能体深度强化学习中存在的若干重要问题和解决方法, 包括多智能体强化学习的算法结构、环境非静态和部分可观性等问题, 对所调查方法的优缺点和相关应用进行分析和讨论. 最后提供多智能体深度强化学习未来的研究方向, 为开发更强大、更易应用的多智能体强化学习控制系统提供一些思路.
2020,
46(1):
153-167. doi: 10.16383/j.aas.2018.c170287
摘要:
提出了一种改进的无人驾驶车辆路径规划方法, 并搭建了相应的软件在环实时仿真系统, 对方法在结构化道路下的复杂动态交通工况进行性能验证.首先, 引入基于凸近似的避障原理, 对障碍物参考点的选取进行优化, 扩大了路径规划的可行域范围.采用改进后的方法, 并结合模型预测控制(Model predictive control, MPC)原理和曲线坐标系统, 综合考虑自车及障碍车的外形、道路几何约束及自车的机械结构约束、路径最短、侧向加速度、道路对中、逐次变道、车距安全度、左变道优先和前轮转角变化率等权重的影响, 实现了车辆在复杂动态交通工况下的路径规划.最后, 以长城H7运动多用途车作为无人驾驶实验及仿真平台, 搭建基于dSPACE多核架构的Carsim + Simulink软件在环实时仿真系统, 对算法进行验证.结果表明, 所提出的方法不仅可获得合理、平滑的行驶路径, 顺利避开运动障碍车的干扰, 而且具有良好的实时性.
提出了一种改进的无人驾驶车辆路径规划方法, 并搭建了相应的软件在环实时仿真系统, 对方法在结构化道路下的复杂动态交通工况进行性能验证.首先, 引入基于凸近似的避障原理, 对障碍物参考点的选取进行优化, 扩大了路径规划的可行域范围.采用改进后的方法, 并结合模型预测控制(Model predictive control, MPC)原理和曲线坐标系统, 综合考虑自车及障碍车的外形、道路几何约束及自车的机械结构约束、路径最短、侧向加速度、道路对中、逐次变道、车距安全度、左变道优先和前轮转角变化率等权重的影响, 实现了车辆在复杂动态交通工况下的路径规划.最后, 以长城H7运动多用途车作为无人驾驶实验及仿真平台, 搭建基于dSPACE多核架构的Carsim + Simulink软件在环实时仿真系统, 对算法进行验证.结果表明, 所提出的方法不仅可获得合理、平滑的行驶路径, 顺利避开运动障碍车的干扰, 而且具有良好的实时性.
2020,
46(1):
24-37. doi: 10.16383/j.aas.c180275
摘要:
近年来, 卷积神经网络(Convolutional neural network, CNNs)在计算机视觉、自然语言处理、语音识别等领域取得了突飞猛进的发展, 其强大的特征学习能力引起了国内外专家学者广泛关注.然而, 由于深度卷积神经网络普遍规模庞大、计算度复杂, 限制了其在实时要求高和资源受限环境下的应用.对卷积神经网络的结构进行优化以压缩并加速现有网络有助于深度学习在更大范围的推广应用, 目前已成为深度学习社区的一个研究热点.本文整理了卷积神经网络结构优化技术的发展历史、研究现状以及典型方法, 将这些工作归纳为网络剪枝与稀疏化、张量分解、知识迁移和精细模块设计4个方面并进行了较为全面的探讨.最后, 本文对当前研究的热点与难点作了分析和总结, 并对网络结构优化领域未来的发展方向和应用前景进行了展望.
近年来, 卷积神经网络(Convolutional neural network, CNNs)在计算机视觉、自然语言处理、语音识别等领域取得了突飞猛进的发展, 其强大的特征学习能力引起了国内外专家学者广泛关注.然而, 由于深度卷积神经网络普遍规模庞大、计算度复杂, 限制了其在实时要求高和资源受限环境下的应用.对卷积神经网络的结构进行优化以压缩并加速现有网络有助于深度学习在更大范围的推广应用, 目前已成为深度学习社区的一个研究热点.本文整理了卷积神经网络结构优化技术的发展历史、研究现状以及典型方法, 将这些工作归纳为网络剪枝与稀疏化、张量分解、知识迁移和精细模块设计4个方面并进行了较为全面的探讨.最后, 本文对当前研究的热点与难点作了分析和总结, 并对网络结构优化领域未来的发展方向和应用前景进行了展望.
2019,
45(7):
1244-1260. doi: 10.16383/j.aas.c180277
摘要:
目标跟踪一直以来都是计算机视觉领域的关键问题，最近随着人工智能技术的飞速发展，运动目标跟踪问题得到了越来越多的关注.本文对主流目标跟踪算法进行了综述，首先，介绍了目标跟踪中常见的问题，并由时间顺序对目标跟踪算法进行了分类：早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法.接下来，对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较.最后，使用OTB-2013数据集对目标跟踪算法进行测试，并对结果进行分析，得出了以下结论：1）相比于光流法、Kalman、Meanshift等传统算法，相关滤波类算法跟踪速度更快，深度学习类方法精度高.2）具有多特征融合以及深度特征的追踪器在跟踪精度方面的效果更好.3）使用强大的分类器是实现良好跟踪的基础.4）尺度的自适应以及模型的更新机制也影响着跟踪的精度.
目标跟踪一直以来都是计算机视觉领域的关键问题，最近随着人工智能技术的飞速发展，运动目标跟踪问题得到了越来越多的关注.本文对主流目标跟踪算法进行了综述，首先，介绍了目标跟踪中常见的问题，并由时间顺序对目标跟踪算法进行了分类：早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法.接下来，对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较.最后，使用OTB-2013数据集对目标跟踪算法进行测试，并对结果进行分析，得出了以下结论：1）相比于光流法、Kalman、Meanshift等传统算法，相关滤波类算法跟踪速度更快，深度学习类方法精度高.2）具有多特征融合以及深度特征的追踪器在跟踪精度方面的效果更好.3）使用强大的分类器是实现良好跟踪的基础.4）尺度的自适应以及模型的更新机制也影响着跟踪的精度.
2019,
45(1):
206-225. doi: 10.16383/j.aas.c180710
摘要:
区块链是比特币底层的核心技术，展示了在自组织模式下实现大规模协作的巨大潜力，为解决分布式网络中的一致性问题提供了全新的方法.随着比特币的广泛流通和去中心化区块链平台的蓬勃发展，区块链应用也逐渐延伸至金融、物联网等领域，全球掀起了区块链的研究热潮.然而，区块链为无信任的网络环境提供安全保障的同时，也面临安全和隐私方面的严峻挑战.本文定义了区块链系统设计追求的安全目标，从机制漏洞、攻击手段和安全措施三方面对区块链各层级的安全问题进行全面分析，提出了区块链的平行安全概念框架，并总结未来区块链安全问题的研究重点.本文致力于为区块链研究提供有益的安全技术理论支撑与借鉴.
区块链是比特币底层的核心技术，展示了在自组织模式下实现大规模协作的巨大潜力，为解决分布式网络中的一致性问题提供了全新的方法.随着比特币的广泛流通和去中心化区块链平台的蓬勃发展，区块链应用也逐渐延伸至金融、物联网等领域，全球掀起了区块链的研究热潮.然而，区块链为无信任的网络环境提供安全保障的同时，也面临安全和隐私方面的严峻挑战.本文定义了区块链系统设计追求的安全目标，从机制漏洞、攻击手段和安全措施三方面对区块链各层级的安全问题进行全面分析，提出了区块链的平行安全概念框架，并总结未来区块链安全问题的研究重点.本文致力于为区块链研究提供有益的安全技术理论支撑与借鉴.
2019,
45(1):
132-142. doi: 10.16383/j.aas.c180370
摘要:
针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题，基于云控制系统理论，以现代智能交通控制网络为研究对象，设计了智能交通信息物理融合云控制系统方案，包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据，在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算，能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略，用于解决拥堵路段交通流分配难题，提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性.
针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题，基于云控制系统理论，以现代智能交通控制网络为研究对象，设计了智能交通信息物理融合云控制系统方案，包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据，在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算，能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略，用于解决拥堵路段交通流分配难题，提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性.
2019,
45(1):
132-142. doi: 10.16383/j.aas.c180370
摘要:
针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题，基于云控制系统理论，以现代智能交通控制网络为研究对象，设计了智能交通信息物理融合云控制系统方案，包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据，在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算，能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略，用于解决拥堵路段交通流分配难题，提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性.
针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题，基于云控制系统理论，以现代智能交通控制网络为研究对象，设计了智能交通信息物理融合云控制系统方案，包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据，在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算，能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略，用于解决拥堵路段交通流分配难题，提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性.
2019,
45(1):
206-225. doi: 10.16383/j.aas.c180710
摘要:
区块链是比特币底层的核心技术，展示了在自组织模式下实现大规模协作的巨大潜力，为解决分布式网络中的一致性问题提供了全新的方法.随着比特币的广泛流通和去中心化区块链平台的蓬勃发展，区块链应用也逐渐延伸至金融、物联网等领域，全球掀起了区块链的研究热潮.然而，区块链为无信任的网络环境提供安全保障的同时，也面临安全和隐私方面的严峻挑战.本文定义了区块链系统设计追求的安全目标，从机制漏洞、攻击手段和安全措施三方面对区块链各层级的安全问题进行全面分析，提出了区块链的平行安全概念框架，并总结未来区块链安全问题的研究重点.本文致力于为区块链研究提供有益的安全技术理论支撑与借鉴.
区块链是比特币底层的核心技术，展示了在自组织模式下实现大规模协作的巨大潜力，为解决分布式网络中的一致性问题提供了全新的方法.随着比特币的广泛流通和去中心化区块链平台的蓬勃发展，区块链应用也逐渐延伸至金融、物联网等领域，全球掀起了区块链的研究热潮.然而，区块链为无信任的网络环境提供安全保障的同时，也面临安全和隐私方面的严峻挑战.本文定义了区块链系统设计追求的安全目标，从机制漏洞、攻击手段和安全措施三方面对区块链各层级的安全问题进行全面分析，提出了区块链的平行安全概念框架，并总结未来区块链安全问题的研究重点.本文致力于为区块链研究提供有益的安全技术理论支撑与借鉴.
2019,
45(7):
1244-1260. doi: 10.16383/j.aas.c180277
摘要:
目标跟踪一直以来都是计算机视觉领域的关键问题，最近随着人工智能技术的飞速发展，运动目标跟踪问题得到了越来越多的关注.本文对主流目标跟踪算法进行了综述，首先，介绍了目标跟踪中常见的问题，并由时间顺序对目标跟踪算法进行了分类：早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法.接下来，对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较.最后，使用OTB-2013数据集对目标跟踪算法进行测试，并对结果进行分析，得出了以下结论：1）相比于光流法、Kalman、Meanshift等传统算法，相关滤波类算法跟踪速度更快，深度学习类方法精度高.2）具有多特征融合以及深度特征的追踪器在跟踪精度方面的效果更好.3）使用强大的分类器是实现良好跟踪的基础.4）尺度的自适应以及模型的更新机制也影响着跟踪的精度.
目标跟踪一直以来都是计算机视觉领域的关键问题，最近随着人工智能技术的飞速发展，运动目标跟踪问题得到了越来越多的关注.本文对主流目标跟踪算法进行了综述，首先，介绍了目标跟踪中常见的问题，并由时间顺序对目标跟踪算法进行了分类：早期的经典跟踪算法、基于核相关滤波的跟踪算法以及基于深度学习的跟踪算法.接下来，对每一类中经典的跟踪算法的原始版本和各种改进版本做了介绍、分析以及比较.最后，使用OTB-2013数据集对目标跟踪算法进行测试，并对结果进行分析，得出了以下结论：1）相比于光流法、Kalman、Meanshift等传统算法，相关滤波类算法跟踪速度更快，深度学习类方法精度高.2）具有多特征融合以及深度特征的追踪器在跟踪精度方面的效果更好.3）使用强大的分类器是实现良好跟踪的基础.4）尺度的自适应以及模型的更新机制也影响着跟踪的精度.
2016,
42(10):
1466-1489. doi: 10.16383/j.aas.2016.c150823
摘要:
基于视觉的目标检测与跟踪是图像处理、计算机视觉、模式识别等众多学科的交叉研究课题，在视频监控、虚拟现实、人机交互、自主导航等领域，具有重要的理论研究意义和实际应用价值.本文对目标检测与跟踪的发展历史、研究现状以及典型方法给出了较为全面的梳理和总结.首先，根据所处理的数据对象的不同，将目标检测分为基于背景建模和基于前景建模的方法，并分别对背景建模与特征表达方法进行了归纳总结.其次，根据跟踪过程有无目标检测的参与，将跟踪方法分为生成式与判别式，对基于统计的表观建模方法进行了归纳总结.然后，对典型算法的优缺点进行了梳理与分析，并给出了其在标准数据集上的性能对比.最后，总结了该领域待解决的难点问题，对其未来的发展趋势进行了展望.
基于视觉的目标检测与跟踪是图像处理、计算机视觉、模式识别等众多学科的交叉研究课题，在视频监控、虚拟现实、人机交互、自主导航等领域，具有重要的理论研究意义和实际应用价值.本文对目标检测与跟踪的发展历史、研究现状以及典型方法给出了较为全面的梳理和总结.首先，根据所处理的数据对象的不同，将目标检测分为基于背景建模和基于前景建模的方法，并分别对背景建模与特征表达方法进行了归纳总结.其次，根据跟踪过程有无目标检测的参与，将跟踪方法分为生成式与判别式，对基于统计的表观建模方法进行了归纳总结.然后，对典型算法的优缺点进行了梳理与分析，并给出了其在标准数据集上的性能对比.最后，总结了该领域待解决的难点问题，对其未来的发展趋势进行了展望.
2014,
40(11):
2377-2390. doi: 10.3724/SP.J.1004.2014.02377
摘要:
瘫痪病人的数量与日俱增,其康复训练通常是一个长期的过程.相对于传统的理疗,使用机器人辅助康复训练能够提高效率,降低成本,减少理疗师的人员和体力消耗,因此节省了康复医疗资源,并且可以完成更加多样的主被动训练策略,从而提高了康复效果.根据患者进行康复运动时的身体姿态,下肢康复机器人可分以下4类: 坐卧式机器人、直立式机器人、辅助起立式机器人和多体位式机器人,坐卧式又细分为末端式和外骨骼式,直立式进一步划分为悬吊减重(Suspending body weight support,sBWS) 式步态训练机器人和独立可穿戴式机器人.由于下肢康复机器人是与运动功能受损的患肢相互作用,为了给患者创造一个安全、舒适、自然的训练环境,机器人和患者之间的交互控制不可或缺.根据获取运动意图时所使用的传感器信号,交互控制可以基本分为两类: 1)基于力信号的交互控制; 2)基于生物医学信号的交互控制.在基于力信号的交互控制中,力位混合控制和阻抗控制是最为常用的两种方法; 而在基于生物医学信号的交互控制中,表面肌电 (Surface electromyogram,sEMG) 和脑电(Electroencephalogram,EEG) 最常被用于运动意图的推断.
瘫痪病人的数量与日俱增,其康复训练通常是一个长期的过程.相对于传统的理疗,使用机器人辅助康复训练能够提高效率,降低成本,减少理疗师的人员和体力消耗,因此节省了康复医疗资源,并且可以完成更加多样的主被动训练策略,从而提高了康复效果.根据患者进行康复运动时的身体姿态,下肢康复机器人可分以下4类: 坐卧式机器人、直立式机器人、辅助起立式机器人和多体位式机器人,坐卧式又细分为末端式和外骨骼式,直立式进一步划分为悬吊减重(Suspending body weight support,sBWS) 式步态训练机器人和独立可穿戴式机器人.由于下肢康复机器人是与运动功能受损的患肢相互作用,为了给患者创造一个安全、舒适、自然的训练环境,机器人和患者之间的交互控制不可或缺.根据获取运动意图时所使用的传感器信号,交互控制可以基本分为两类: 1)基于力信号的交互控制; 2)基于生物医学信号的交互控制.在基于力信号的交互控制中,力位混合控制和阻抗控制是最为常用的两种方法; 而在基于生物医学信号的交互控制中,表面肌电 (Surface electromyogram,sEMG) 和脑电(Electroencephalogram,EEG) 最常被用于运动意图的推断.
2018,
44(1):
35-43. doi: 10.16383/j.aas.2018.c160457
摘要:
决策规划是无人驾驶技术中的重要环节.由于道路结构变化或障碍物引起的车辆被动换道多采用基于逻辑规则或优化算法的决策方式.本文以通行量为优化目标，提出一种基于分类回归树（Classification and regression tree，CART）的汇流决策方法.依据交通流参数，选择大量具有代表性的车辆汇流场景.对场景中车辆的汇流决策序列进行编码，采用遗传算法搜索使得通行量最大的决策方案.将寻优获得的大量汇流决策序列作为样本，训练分类回归树.选取车辆自身信息及与周围车辆的关系等以描述环境特征，运用分类回归树描述环境特征与决策结果的映射关系，获得一种通行量最优的汇流决策方法.在软件中进行仿真实验，对比既有方法，基于分类回归树的汇流方法能够有效减少汇流行为对车流的扰动，在大流量情形下依旧能保持较高的通行效率.此外，该方法对实际实施中可能存在的环境感知误差，如定位误差，有一定的鲁棒性.
决策规划是无人驾驶技术中的重要环节.由于道路结构变化或障碍物引起的车辆被动换道多采用基于逻辑规则或优化算法的决策方式.本文以通行量为优化目标，提出一种基于分类回归树（Classification and regression tree，CART）的汇流决策方法.依据交通流参数，选择大量具有代表性的车辆汇流场景.对场景中车辆的汇流决策序列进行编码，采用遗传算法搜索使得通行量最大的决策方案.将寻优获得的大量汇流决策序列作为样本，训练分类回归树.选取车辆自身信息及与周围车辆的关系等以描述环境特征，运用分类回归树描述环境特征与决策结果的映射关系，获得一种通行量最优的汇流决策方法.在软件中进行仿真实验，对比既有方法，基于分类回归树的汇流方法能够有效减少汇流行为对车流的扰动，在大流量情形下依旧能保持较高的通行效率.此外，该方法对实际实施中可能存在的环境感知误差，如定位误差，有一定的鲁棒性.
2018,
44(1):
176-182. doi: 10.16383/j.aas.2018.c160835
摘要:
为避免人为因素对表情特征提取产生的影响，本文选择卷积神经网络进行人脸表情识别的研究.相较于传统的表情识别方法需要进行复杂的人工特征提取，卷积神经网络可以省略人为提取特征的过程.经典的LeNet-5卷积神经网络在手写数字库上取得了很好的识别效果，但在表情识别中识别率不高.本文提出了一种改进的LeNet-5卷积神经网络来进行面部表情识别，将网络结构中提取的低层次特征与高层次特征相结合构造分类器，该方法在JAFFE表情公开库和CK+数据库上取得了较好的结果.
为避免人为因素对表情特征提取产生的影响，本文选择卷积神经网络进行人脸表情识别的研究.相较于传统的表情识别方法需要进行复杂的人工特征提取，卷积神经网络可以省略人为提取特征的过程.经典的LeNet-5卷积神经网络在手写数字库上取得了很好的识别效果，但在表情识别中识别率不高.本文提出了一种改进的LeNet-5卷积神经网络来进行面部表情识别，将网络结构中提取的低层次特征与高层次特征相结合构造分类器，该方法在JAFFE表情公开库和CK+数据库上取得了较好的结果.
2017,
43(9):
1555-1562. doi: 10.16383/j.aas.2017.c160661
摘要:
根据医疗行业现状，不难发现各医疗机构间共享数据困难，因为医疗数据的校验、保存和同步一直是一个难点.病人、医生以及研究人员在访问和共享医疗数据时存在严格的限制，这一过程需要花费大量的资源和时间用于权限审查和数据校验.本文提出一个基于区块链的医疗数据共享模型，具有去中心化、安全可信、集体维护、不可篡改等特点，适用于解决各医疗机构数据共享的难题.本文详细介绍了模型的组件以及实现原理.将现有医疗机构进行分类，配合使用改进的共识机制实现了方便、安全、快捷的数据共享.此外，通过对比医疗数据共享存在的问题，分析了本模型的优势以及带来的影响.
根据医疗行业现状，不难发现各医疗机构间共享数据困难，因为医疗数据的校验、保存和同步一直是一个难点.病人、医生以及研究人员在访问和共享医疗数据时存在严格的限制，这一过程需要花费大量的资源和时间用于权限审查和数据校验.本文提出一个基于区块链的医疗数据共享模型，具有去中心化、安全可信、集体维护、不可篡改等特点，适用于解决各医疗机构数据共享的难题.本文详细介绍了模型的组件以及实现原理.将现有医疗机构进行分类，配合使用改进的共识机制实现了方便、安全、快捷的数据共享.此外，通过对比医疗数据共享存在的问题，分析了本模型的优势以及带来的影响.
2017,
43(2):
313-320. doi: 10.16383/j.aas.2017.c150811
摘要:
为了快速跟踪动态多目标优化问题变化的Pareto前沿，本文提出一种基于参考点预测策略的动态多目标优化算法（PDMOP）.该算法对关联到相同参考点的个体建立时间序列，并对这些时间序列通过线性回归模型预测新环境下种群.同时，将历史时刻的预测误差反馈到当前预测中来提高预测的准确性，并在每个预测的个体上加入扰动来增加初始种群多样性，从而能够加快算法在新环境下的收敛速度.通过4个标准测试函数对该算法测试，并和两个现有算法对比分析，结果表明所提算法在处理动态多目标优化问题时能够保持良好的性能.
为了快速跟踪动态多目标优化问题变化的Pareto前沿，本文提出一种基于参考点预测策略的动态多目标优化算法（PDMOP）.该算法对关联到相同参考点的个体建立时间序列，并对这些时间序列通过线性回归模型预测新环境下种群.同时，将历史时刻的预测误差反馈到当前预测中来提高预测的准确性，并在每个预测的个体上加入扰动来增加初始种群多样性，从而能够加快算法在新环境下的收敛速度.通过4个标准测试函数对该算法测试，并和两个现有算法对比分析，结果表明所提算法在处理动态多目标优化问题时能够保持良好的性能.
2017,
43(9):
1544-1554. doi: 10.16383/j.aas.2017.c160744
摘要:
智能分布式电力能源系统（Intelligent distributed，electrical energy systems，IDEES）具有组件种类繁多，数量庞大，管理困难，利润低微等特点，导致传统中心化的运营管理不再适合此类系统，而区块链技术可能是推行大规模分布式智能电力能源系统重要的技术路径.由于电力能源系统是一种具有社会和技术双重属性的系统，从而注定了其在用区块链实现运行时，必然需要多种区块链来描述和建模其不同的属性，在文中称之为“区块链群”.具体来说，从底层到高层，这个区块链群由分布式数据存储与服务区块链、智能资产管理区块链、电力系统分析区块链、智能合约运营区块链和智能电力交易支付区块链组成.基于区块链技术、分布式文件服务技术、分布式电力系统分析与管理技术，这些不同层次和功能的区块链自我组织、互相协助，最后形成一个分布式自主的电力能源运行系统.在此复杂系统中，频繁而深度的计算与交互衍生出系统智能，笔者期望这种智能将促成稳定、可靠、有效的电力能源生产、传输与消费.
智能分布式电力能源系统（Intelligent distributed，electrical energy systems，IDEES）具有组件种类繁多，数量庞大，管理困难，利润低微等特点，导致传统中心化的运营管理不再适合此类系统，而区块链技术可能是推行大规模分布式智能电力能源系统重要的技术路径.由于电力能源系统是一种具有社会和技术双重属性的系统，从而注定了其在用区块链实现运行时，必然需要多种区块链来描述和建模其不同的属性，在文中称之为“区块链群”.具体来说，从底层到高层，这个区块链群由分布式数据存储与服务区块链、智能资产管理区块链、电力系统分析区块链、智能合约运营区块链和智能电力交易支付区块链组成.基于区块链技术、分布式文件服务技术、分布式电力系统分析与管理技术，这些不同层次和功能的区块链自我组织、互相协助，最后形成一个分布式自主的电力能源运行系统.在此复杂系统中，频繁而深度的计算与交互衍生出系统智能，笔者期望这种智能将促成稳定、可靠、有效的电力能源生产、传输与消费.
2017,
43(11):
1931-1940. doi: 10.16383/j.aas.2017.c160633
摘要:
提出了一种基于无模型自适应控制的无人驾驶汽车横向控制方案.首先，将无人驾驶汽车循迹跟踪控制问题转化成预瞄偏差角跟踪问题，然后基于无人驾驶汽车横向控制系统的动态线性化数据模型，设计出无模型自适应控制算法、伪梯度估计算法和伪梯度重置算法，进而实现了自主车辆的无人驾驶.该方法的实现仅用到无人驾驶汽车运行时的输入输出数据，避免了对无人驾驶汽车进行复杂机理建模的难题，对于复杂的无人驾驶汽车运行过程具有很好的自适应性，对不同的无人驾驶车辆具有较强的可移植性.该方案已实际应用于清华大学无人驾驶汽车实验平台，在北京市丰台区的实地测试实验、在江苏省常熟市高速路的测试以及2015年"中国智能车未来挑战赛"的现场应用验证了所提方案的有效性.
提出了一种基于无模型自适应控制的无人驾驶汽车横向控制方案.首先，将无人驾驶汽车循迹跟踪控制问题转化成预瞄偏差角跟踪问题，然后基于无人驾驶汽车横向控制系统的动态线性化数据模型，设计出无模型自适应控制算法、伪梯度估计算法和伪梯度重置算法，进而实现了自主车辆的无人驾驶.该方法的实现仅用到无人驾驶汽车运行时的输入输出数据，避免了对无人驾驶汽车进行复杂机理建模的难题，对于复杂的无人驾驶汽车运行过程具有很好的自适应性，对不同的无人驾驶车辆具有较强的可移植性.该方案已实际应用于清华大学无人驾驶汽车实验平台，在北京市丰台区的实地测试实验、在江苏省常熟市高速路的测试以及2015年"中国智能车未来挑战赛"的现场应用验证了所提方案的有效性.
2017,
43(7):
1114-1141. doi: 10.16383/j.aas.2017.c160638
摘要:
采用集合论的方法给出了单位模糊集合和二型模糊集合及其在一点的限制等定义，使得二型模糊集合更易于理解.通过定义嵌入单位模糊集合来描述一般二型模糊集合，并给出离散、半连通二型模糊集合的表达式.根据论域、主隶属度及隶属函数的特性将二型模糊集合分为四种类型：离散、半连通、连通及复合型，并根据连通的特点将连通二型模糊集合分为单连通及多连通两类.利用支集的闭包（Closure of support，CoS）划分法表述主隶属度及区间二型模糊集合.提出了CoS二、三次划分法分别来表述单、复连通二型模糊集合，并使每一个子区域的上下边界及次隶属函数在该子区域上的限制分别具有相同的解析表述式.最后，探讨了二型模糊集合在一点的限制、主隶属度、支集、嵌入单位模糊集合之间的关系.
采用集合论的方法给出了单位模糊集合和二型模糊集合及其在一点的限制等定义，使得二型模糊集合更易于理解.通过定义嵌入单位模糊集合来描述一般二型模糊集合，并给出离散、半连通二型模糊集合的表达式.根据论域、主隶属度及隶属函数的特性将二型模糊集合分为四种类型：离散、半连通、连通及复合型，并根据连通的特点将连通二型模糊集合分为单连通及多连通两类.利用支集的闭包（Closure of support，CoS）划分法表述主隶属度及区间二型模糊集合.提出了CoS二、三次划分法分别来表述单、复连通二型模糊集合，并使每一个子区域的上下边界及次隶属函数在该子区域上的限制分别具有相同的解析表述式.最后，探讨了二型模糊集合在一点的限制、主隶属度、支集、嵌入单位模糊集合之间的关系.
